簡(jiǎn)介：無功補(bǔ)償優(yōu)化問題一直在電力網(wǎng)絡(luò)的規(guī)劃設(shè)計(jì)和安全經(jīng)濟(jì)運(yùn)行中占有重要的位置不僅有利于節(jié)點(diǎn)電壓水平的改善也能加強(qiáng)對(duì)網(wǎng)絡(luò)損耗成本的控制。而隨著大量的分布式電源引入中低壓電網(wǎng)中的情況將會(huì)越來越多關(guān)于無功補(bǔ)償優(yōu)化問題的研究也將具有新的意義。本文對(duì)無功優(yōu)化所針對(duì)的電網(wǎng)算例進(jìn)行模型化的數(shù)學(xué)處理對(duì)應(yīng)的目標(biāo)函數(shù)取為系統(tǒng)的有功功率網(wǎng)損費(fèi)用和無功補(bǔ)償裝置安裝維護(hù)費(fèi)用之和為最小。按照網(wǎng)絡(luò)和電源的結(jié)構(gòu)特點(diǎn)得出等效的分布式電源的數(shù)學(xué)模型和電氣網(wǎng)絡(luò)的數(shù)學(xué)模型。并且提出了含有無功注入補(bǔ)償法的前推回代潮流計(jì)算方案。將對(duì)應(yīng)的潮流約束條件確定為網(wǎng)絡(luò)電壓的指標(biāo)合格線路上流過的功率不越限和保證功率平衡。提出和使用MATLAB程序編寫了人工免疫原理與二進(jìn)制粒子群相結(jié)合的混合智能算法程序以在保持粒子群算法的收斂速度的同時(shí)結(jié)合人工免疫原理算法的優(yōu)點(diǎn)提高算法的全局最優(yōu)解的搜索能力。根據(jù)現(xiàn)實(shí)生活中分布式電源的輸出功率和電網(wǎng)中用戶負(fù)荷隨著季節(jié)氣候的變化而變化的情況將算例所對(duì)應(yīng)的網(wǎng)絡(luò)負(fù)荷方式取為四個(gè)季節(jié)共四個(gè)時(shí)間段的情況再考慮到計(jì)算的精度將其擬合為四種負(fù)荷方式從而使算例情況更符合實(shí)際的規(guī)律。本文使用28節(jié)點(diǎn)算例和33節(jié)點(diǎn)算例。通過對(duì)算例的計(jì)算表明本文所提出的算法能夠有效地解決帶有分布式電源的電網(wǎng)無功優(yōu)化補(bǔ)償問題補(bǔ)償效果顯著說明該方法具有很好的實(shí)用性具有一定的使用前景。

簡(jiǎn)介：生物免疫系統(tǒng)（BIOLOGICALIMMUNESYSTEM，BIS）具有良好的多樣性、耐受性、免疫記憶、分布式并行處理、自組織、自學(xué)習(xí)、自適應(yīng)和魯棒性等特點(diǎn)。計(jì)算機(jī)的安全問題與生物免疫系統(tǒng)所遇到的問題具有驚人的相似性，兩者都要在不斷變化的環(huán)境中維持系統(tǒng)的穩(wěn)定性。人體免疫系統(tǒng)具有天生發(fā)現(xiàn)并消滅外來病原體的能力，生物免疫系統(tǒng)所具有的這些特性正是計(jì)算機(jī)科學(xué)工作者所夢(mèng)寐以求的。基于人工免疫的入侵檢測(cè)思想應(yīng)運(yùn)而生?；谌斯っ庖呷肭謾z測(cè)算法中最經(jīng)典的當(dāng)屬新墨西哥大學(xué)的FREST所提出來的否定選擇算法，又稱反向選擇算法。其主要思想是定義一個(gè)自我集，隨機(jī)產(chǎn)生一個(gè)檢測(cè)器與該自我集進(jìn)行耐受，和自我集匹配的檢測(cè)器刪除，那些經(jīng)過耐受期留存下的成為成熟檢測(cè)器，用于入侵檢測(cè)。該算法的檢測(cè)器生成是隨機(jī)的，沒有任何方向性，導(dǎo)致最后產(chǎn)生的成熟檢測(cè)器不可避免地產(chǎn)生冗余。反向選擇算法的核心是R連續(xù)位匹配算法，該算法恒定的匹配概率導(dǎo)致了檢測(cè)黑洞的產(chǎn)生。本文對(duì)傳統(tǒng)的免疫入侵檢測(cè)算法進(jìn)行了分析，發(fā)現(xiàn)了以下問題首先，否定選擇算法中的匹配算法不可避免地導(dǎo)致了“黑洞”的產(chǎn)生，如何盡可能地避免“黑洞”產(chǎn)生呢其次，否定選擇算法中檢測(cè)器都是隨機(jī)產(chǎn)生的，盡管要進(jìn)行免疫耐受的過程，但檢測(cè)器和檢測(cè)器之間的“冗余”卻不可避免的產(chǎn)生了，而且檢測(cè)器集規(guī)模越大，冗余越大，如何消除冗余問題最后，如何構(gòu)建一個(gè)高效穩(wěn)定的入侵檢測(cè)模型呢針對(duì)上述問題，本文開展工作如下1本文采用一種將待匹配字符串進(jìn)行分段的思想，通過對(duì)每段設(shè)置不同的匹配系數(shù)，以及有針對(duì)地設(shè)置關(guān)鍵字段位，形成一種可控的匹配概率，避免了由于R連續(xù)位匹配算法的恒定匹配概率，而使得基于反向選擇算法的檢測(cè)系統(tǒng)可能出現(xiàn)的檢測(cè)黑洞。2提出一個(gè)冗余剔除算法，根據(jù)冗余成熟檢測(cè)器之間相似的結(jié)構(gòu)特性，采用滑動(dòng)窗口思想，對(duì)檢測(cè)器集進(jìn)行冗余消除，解決了隨機(jī)產(chǎn)生的初始檢測(cè)器不可避免地為成熟檢測(cè)器的冗余埋下隱患的問題，以及無窮盡的非我個(gè)體和有限的成熟檢測(cè)器集合之間存在的矛盾問題，同時(shí)能保證檢測(cè)器集的性能不變。3構(gòu)建了一個(gè)新型的基于人工免疫的入侵檢測(cè)模型。該模型通過聚類算法對(duì)數(shù)據(jù)集進(jìn)行分類，產(chǎn)生自體抗原和非自體抗原。非自體抗原通過遺傳算法、冗余剔除算法以及反向選擇算法產(chǎn)生成熟檢測(cè)器集。成熟檢測(cè)器集在一定的匹配閾值下形成記憶檢測(cè)器集。測(cè)試集先經(jīng)過記憶檢測(cè)器集，再通過成熟檢測(cè)器集，在此過程中完成記憶檢測(cè)器和成熟檢測(cè)器的更新。在隨機(jī)數(shù)據(jù)集和1998DARPA數(shù)據(jù)集上，通過VC上的程序仿真實(shí)驗(yàn)，對(duì)傳統(tǒng)算法和改進(jìn)算法中檢測(cè)器的適應(yīng)度和覆蓋度進(jìn)行對(duì)比分析，證明改進(jìn)算法能有效地改進(jìn)入侵檢測(cè)系統(tǒng)性能，有效地消除黑洞問題和檢測(cè)器冗余問題。

簡(jiǎn)介：點(diǎn)擊查看更多基于人工智能的變電站缺陷管理系統(tǒng).pdf精彩內(nèi)容。

簡(jiǎn)介：點(diǎn)擊查看更多基于搜索算法的人工智能在五子棋博弈中的應(yīng)用研究.pdf精彩內(nèi)容。

簡(jiǎn)介：本論文是在中國科學(xué)院合肥智能機(jī)械研究所重點(diǎn)創(chuàng)新基金項(xiàng)目“仿生感知機(jī)器人”和中國科學(xué)院XXXX基金項(xiàng)目“衛(wèi)星寄生機(jī)器人自主軟著陸系統(tǒng)關(guān)鍵技術(shù)研究”基金編號(hào)XXXX的資助下完成的。本文首先分別運(yùn)用PID控制方法和神經(jīng)網(wǎng)絡(luò)控制方法對(duì)無人直升機(jī)系統(tǒng)做了控制分析，指出控制方法的優(yōu)缺點(diǎn)和控制過程中存在的不足；而后提出基于神經(jīng)網(wǎng)絡(luò)的PID控制方法，并對(duì)這種控制方法進(jìn)行分析。當(dāng)運(yùn)用基于神經(jīng)網(wǎng)絡(luò)的PID控制方法對(duì)無人直升機(jī)整體系統(tǒng)進(jìn)行控制時(shí)，設(shè)計(jì)的控制結(jié)構(gòu)復(fù)雜，參數(shù)調(diào)節(jié)困難，程序的復(fù)雜度大。為了解決這一問題，并驗(yàn)證論文所提出的控制方法的可行性，對(duì)無人直升機(jī)系統(tǒng)做了一些合理性的假設(shè)，并對(duì)系統(tǒng)的數(shù)學(xué)模型進(jìn)行進(jìn)一步的簡(jiǎn)化，得到無人直升機(jī)線性化模型，且根據(jù)研究的需要，把無人直升機(jī)系統(tǒng)的運(yùn)動(dòng)分為三個(gè)分運(yùn)動(dòng)的形式6；最后，對(duì)無人直升機(jī)系統(tǒng)的三個(gè)分運(yùn)動(dòng)的基于神經(jīng)網(wǎng)絡(luò)的PID控制方法，運(yùn)用MATLAB工具編寫程序進(jìn)行仿真，并對(duì)對(duì)仿真結(jié)果進(jìn)行分析，得出基于神經(jīng)網(wǎng)絡(luò)的控制方法可以快速準(zhǔn)確地跟蹤輸入信號(hào)的結(jié)論，證明了論文提出的控制方法的有效性。

簡(jiǎn)介：西南交通大學(xué)碩士學(xué)位論文人工智能技術(shù)在遠(yuǎn)程作業(yè)系統(tǒng)中的應(yīng)用研究姓名楊繼宏申請(qǐng)學(xué)位級(jí)別碩士專業(yè)電力系統(tǒng)及其自動(dòng)化指導(dǎo)教師李治20030601ABSTRACTINTELLIGENTDISTANCEEXERCISESYSTEMIDESFORSHORTISANINTERNETBASEDEXERCISESYSTEMINCHARACTERWITHINTELLIGENCE，OPENSTRUCTUREDISCIPLINECROSSANDMULTILAYERUSINGTHISSYSTEM，WECANFINISHEXERCISECOURSEONCOMPUTERINCLUDINGSUBJECTDESIGN，ASSIGNMENT，ANSWERINGQUESTIONS，AUTODISTINGUISHINGEVALUATINGANDSUMMINGUPBECAUSEOFUSINGARTIFICIALINTELLIGENCEAIFORSHORTANDEXPERTSYSTEMESFORSHORTTECHN0109Y，ITCANNOTONLYAUTODISTINGUISHSUBJECTIVETHEMESSUCHASCALCULATIVEORPROBATIVEONESBUTALSOPENETRATEANDDYNAMICALLYCONSTRUCT1EARNINGCASEHISTORYOFSTUDENTATPRESENT，THEEDUCATIONSOFTWAREINTHEFORMOFEXERTISEINHOMEMARKETONLYCANDISTINGUISHOBJECTIVESUBJECTSSUCHASSELECTIVEORBLANKFILLEDONESBUTCANNOTDEALWITHSUBJECTIVETHEMESSUCHASCALCULATIVEORPROBATIVEONESANDTHEFOREIGNRESEARCHLEVELOFRELATIVEFIELDSISALMOSTALIKETHECIVILTHECREATIONANDADVANCEMENTOFTHISPROJECTISOBVIOTLSCONSIDERINGTHATSTUDENTDOESHOMEWORKONPAPERANDTEACHERCORRECTSITWITHMANPOWERTHEDEVELOPMENTOFIDESISOFGREATVALUEFIRSTLY，ITCANREMARKABLYIMPROVETEACHINGQUALITY，EFFICIENCYANDBENEFITINEXERCISEFURTHERMORE，TRANSMITTINGHOMEWORKBYPOSTOFFICEOREMAILWEAKENSTHESUPERVISIONOFHOMEWORKANDIDESCANADVANCETHEREPUTATIONANDQUALITYOFDISTANTEDUCATIONTHIRDLY，IDESCANEXERTNETWORKRESOURCESOFSCHOOLORUNIVERSITYANDITWILLPLAYANIMPORTROLEONTHEREFORMATIONOFTRADITIONALTEACHINGMETHODSTHATUSESMODERNINFORMATIONTECHNOLOGYFROMTHEPOINTOFVIEWOFAITECHNOLOGY。THISPAPERDESCRIBESKNOWLEDGEREPRESENTATION，KNOWLEDGEACQUIREMENTANDKNOWLEDGEREASONINGOFIDESASWELLASTHEREFINEMENTOFKNOWLEDGEBASEIESTRUCTURALTRANSFORMATIONTHATISAUTHOR’SPRIMARYTASK

簡(jiǎn)介：點(diǎn)擊查看更多基于人工免疫系統(tǒng)的水電機(jī)組智能診斷方法研究.pdf精彩內(nèi)容。

簡(jiǎn)介：隨著科技的發(fā)展，信息化在經(jīng)濟(jì)增長中的作用日益顯著，依據(jù)信息對(duì)企業(yè)問題做出快速科學(xué)的決策，對(duì)優(yōu)化企業(yè)資源配置、提高企業(yè)的核心競(jìng)爭(zhēng)力等方面起到非常重要的作用。目前大多數(shù)企業(yè)普遍采用手工報(bào)表分析數(shù)據(jù)的決策方式，這種方法存在工作量大、速度慢及容易丟失數(shù)據(jù)等問題，因此管理者迫切需要一套適合自身企業(yè)發(fā)展的決策支持系統(tǒng)來及時(shí)了解企業(yè)信息，做出利于企業(yè)發(fā)展的決策。本文進(jìn)行了“基于人工智能技術(shù)的企業(yè)決策支持系統(tǒng)”的研究，對(duì)決策支持系統(tǒng)相關(guān)的關(guān)鍵技術(shù)進(jìn)行總結(jié)和研究，提出基于數(shù)據(jù)倉庫和數(shù)據(jù)挖掘相結(jié)合的企業(yè)決策支持系統(tǒng)的解決方案。本文主要做了以下方面的研究論文以關(guān)聯(lián)規(guī)則的挖掘問題為研究對(duì)象，介紹并分析對(duì)比了APRII算法和FPGROWTH算法；同時(shí)研究了決策樹算法的代表算法ID3算法，并對(duì)他們各自的性能及其優(yōu)劣有了初步的認(rèn)識(shí)和總結(jié)。論文在研究關(guān)聯(lián)規(guī)則挖掘和決策樹分類算法與決策支持系統(tǒng)結(jié)合時(shí)，對(duì)其中遇到的問題進(jìn)行了分析，并在此基礎(chǔ)上研究分析了一種基于決策樹的快速關(guān)聯(lián)規(guī)則挖掘算法，為架設(shè)一種平臺(tái)來幫助企業(yè)決策提供了方法和實(shí)現(xiàn)途徑。由上述所提出的算法，論文設(shè)計(jì)了一種決策支持系統(tǒng)平臺(tái)，并對(duì)其中的決策樹分類過程、剪枝過程、分類結(jié)果及關(guān)聯(lián)規(guī)則挖掘的可視化等問題和實(shí)現(xiàn)步驟進(jìn)行了探討和設(shè)計(jì)。最后以耗油和車身重量等屬性決策汽車所屬年代這一決策過程為例，進(jìn)一步驗(yàn)證本文所提算法及設(shè)計(jì)平臺(tái)的正確性和有效性。

簡(jiǎn)介：點(diǎn)擊查看更多基于ACS算法的最優(yōu)模糊PID控制器設(shè)計(jì)及其在CIP-Ⅰ智能人工腿中的應(yīng)用.pdf精彩內(nèi)容。

簡(jiǎn)介：滾動(dòng)軸承是機(jī)械設(shè)備中最常用的部件之一，因此對(duì)滾動(dòng)軸承故障診斷的研究十分重要。當(dāng)滾動(dòng)軸承某一元件表面出現(xiàn)局部損傷時(shí)，在受載運(yùn)行過程中要周期性地撞擊與之相互作用的其他元件表面，從而產(chǎn)生周期性的沖擊脈沖力。由于沖擊脈沖力的頻帶很寬，會(huì)覆蓋軸承系統(tǒng)的各個(gè)固有頻率，所以該脈沖力同理想脈沖一樣必然激起軸承系統(tǒng)的各個(gè)固有振動(dòng)。這樣原來的平穩(wěn)振動(dòng)信號(hào)變成了非平穩(wěn)振動(dòng)信號(hào)。傅立葉變換在頻域上是完全局部化的，但它不能提供任何時(shí)域的局部化特征，因此它不適應(yīng)非平穩(wěn)信號(hào)的分析。小波分析能多尺度地同時(shí)提供信號(hào)在時(shí)域和頻域的局部化信息，因而成為信號(hào)處理尤其是非平穩(wěn)信號(hào)處理的重要手段。人工神經(jīng)網(wǎng)絡(luò)因其特有的優(yōu)勢(shì)使得它的應(yīng)用日益廣泛，它的計(jì)算能力有三個(gè)顯著的特點(diǎn)一是它的非線性特征；二是并行分布結(jié)構(gòu)；三是它的學(xué)習(xí)和歸納能力。同時(shí)，它實(shí)現(xiàn)容易，采用大量簡(jiǎn)單的神經(jīng)元構(gòu)成神經(jīng)網(wǎng)絡(luò)解決難以直接使用解析式處理的問題。因此將神經(jīng)網(wǎng)絡(luò)引入軸承故障診斷正好利用其特點(diǎn)，將問題處理從傳統(tǒng)方法轉(zhuǎn)向人工智能方面。針對(duì)基于小波包絡(luò)解調(diào)技術(shù)的滾動(dòng)軸承故障診斷，本文主以下幾方面展開研究1、系統(tǒng)的介紹了滾動(dòng)軸承的振動(dòng)機(jī)理及其典型故障的振動(dòng)特征；2、細(xì)致地闡述了小波分析的基本理論及其在信號(hào)處理中的應(yīng)用；3、闡述了基于小波包分解與重構(gòu)的包絡(luò)解調(diào)法小波包絡(luò)法和小波包分解頻帶能量監(jiān)測(cè)法小波包能量法的原理，分別用這兩種方法對(duì)滾動(dòng)軸承幾種典型故障進(jìn)行了診斷，并提取特征向量。4、分別將得到的兩種特征向量與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合進(jìn)行訓(xùn)練和識(shí)別，并將結(jié)果作比較，得出的結(jié)論是小波包絡(luò)法提取的特征能夠更好的反應(yīng)出軸承的狀態(tài)。

簡(jiǎn)介：冰塞水位及冰塞厚度的預(yù)測(cè)分析不但對(duì)冰塞發(fā)展機(jī)理研究有著重要的意義，同時(shí)也可以為堤防、水工構(gòu)筑物的建設(shè)以及防凌減災(zāi)工作提供參考?；谥С窒蛄繖C(jī)、傳統(tǒng)BP人工神經(jīng)網(wǎng)絡(luò)、遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)以及多元回歸分析四種方法，對(duì)黃河河曲段的實(shí)測(cè)數(shù)據(jù)進(jìn)行了本斷面和上下斷面間的冰塞水位和厚度預(yù)測(cè)；也對(duì)實(shí)驗(yàn)室180°彎道冰塞試驗(yàn)13個(gè)斷面所測(cè)得的數(shù)據(jù)資料以及實(shí)驗(yàn)室壅水試驗(yàn)中7個(gè)觀測(cè)斷面測(cè)得的數(shù)據(jù)資料進(jìn)行了分析，采用以上四種方法建立了實(shí)驗(yàn)室冰塞水位和厚度預(yù)測(cè)模型。將所得預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行了資料范圍內(nèi)的對(duì)比，同時(shí)也對(duì)四種方法的預(yù)測(cè)效果進(jìn)行了分析對(duì)比。由對(duì)比結(jié)果可以看出，無論是在天然河道中還是實(shí)驗(yàn)室條件下，和多元回歸分析方法相比，支持向量機(jī)、BP人工神經(jīng)網(wǎng)絡(luò)、遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)等人工智能方法在預(yù)測(cè)精度和對(duì)復(fù)雜環(huán)境適應(yīng)性方面都存在優(yōu)勢(shì)，其中遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型優(yōu)勢(shì)更為明顯，本文的研究可為冰凍區(qū)河流建立冰情預(yù)報(bào)模型提供有益的參考。

簡(jiǎn)介：氣動(dòng)人工肌肉MCKIBBEN肌肉是一種新型的驅(qū)動(dòng)器它是一種由氣壓激勵(lì)的可收縮的運(yùn)動(dòng)引擎。它最大的特點(diǎn)是既輕又柔同時(shí)還能產(chǎn)生足夠的力。由于其與生物肌肉的相似性將它用于驅(qū)動(dòng)機(jī)器人時(shí)機(jī)器人較易產(chǎn)生像動(dòng)物一樣的動(dòng)作。由于其天生的柔順性這種機(jī)器人在和環(huán)境交互時(shí)容易產(chǎn)生溫柔的觸及和相對(duì)安全的操作所以在工業(yè)裝配、噴涂、抓取易碎物品等領(lǐng)域有著潛在的巨大應(yīng)用價(jià)值。由于MCKIBBEN肌肉的高度非線性及其特有的柔順性特征由其驅(qū)動(dòng)的機(jī)器人關(guān)節(jié)也是柔順的所以對(duì)其的精確控制較為困難文獻(xiàn)中的做法基本上是傳統(tǒng)的PID控制或單一的智能算法。由于機(jī)器人負(fù)載的易變性、外界干擾、及軸間摩擦等因素傳統(tǒng)PID控制難以適應(yīng)但單一的智能算法也有其局限性因此本課題擬采用傳統(tǒng)PID與智能控制的混合控制算法以有效控制關(guān)節(jié)運(yùn)動(dòng)。CMAC是CEREBELLARMODELARTIEULATIONCONTRER小腦模型關(guān)節(jié)控制器的縮寫它是一種模擬小腦功能的神經(jīng)網(wǎng)絡(luò)模型其學(xué)習(xí)方法采用D算法。目前廣泛用于機(jī)器人位置控制的PID控制方法抗外界的干擾能力差對(duì)系統(tǒng)的結(jié)構(gòu)參數(shù)變化的適應(yīng)能力差影響控制系統(tǒng)的魯棒性。然而機(jī)器人系統(tǒng)的發(fā)展又要求機(jī)器人控制應(yīng)有快速跟蹤能力較高的跟蹤精度及優(yōu)良的魯棒性因而探討采用何種更有效的控制方法一直是機(jī)器人控制中令人感興趣的問題。本文提出運(yùn)用CMAC神經(jīng)網(wǎng)絡(luò)和常規(guī)PID控制器相結(jié)合共同作用構(gòu)成一個(gè)復(fù)合控制方案。對(duì)比、分析上述復(fù)合控制方案和單獨(dú)PID控制的控制效果。針對(duì)由MCKIBBEN肌肉組成的關(guān)節(jié)進(jìn)行了MATLAB仿真試驗(yàn)仿真結(jié)果驗(yàn)證了該算法的有效性表明這種控制方案能夠有效的提高系統(tǒng)的實(shí)時(shí)性能并且具有很好的適應(yīng)性和魯棒性。

簡(jiǎn)介：為能更有效地解決工業(yè)生產(chǎn)過程中大量存在的優(yōu)化問題，自20世紀(jì)80年代以來，涌現(xiàn)出了一些智能優(yōu)化算法，它們通過模擬某一自然現(xiàn)象或過程而發(fā)展起來，為解決復(fù)雜系統(tǒng)的優(yōu)化問題提供了新的思路和手段，自誕生就引起了國內(nèi)外學(xué)者的廣泛關(guān)注并被應(yīng)用于許多領(lǐng)域。人工魚群算法ARTIFICIALFISHSWARMALGITHM，AFSA是源于對(duì)魚群覓食行為研究而提出的一種新型群體智能優(yōu)化算法。該算法具有對(duì)初值和參數(shù)選擇不敏感、魯棒性強(qiáng)、簡(jiǎn)單、易于實(shí)現(xiàn)，且具備并行處理能力和全局搜索能力等方面的特點(diǎn)。但AFSA在應(yīng)用過程中還有很多不完善的地方，如算法后期收斂速度慢，搜索精度不高，在多峰問題尋優(yōu)時(shí)難以找到全部最優(yōu)解等等。并且，AFSA的應(yīng)用還不夠深入。為此，本文著重從AFSA的改進(jìn)和應(yīng)用方面進(jìn)行了研究。主要研究工作如下1針對(duì)AFSA在較大或變化平坦的區(qū)域?qū)?yōu)時(shí)，收斂于全局最優(yōu)解的速度減慢、搜索性能劣化，特別是在優(yōu)化后期往往收斂較慢的問題，提出了一種基于變異算子與模擬退火混合的人工魚群優(yōu)化算法。該算法保持了AFSA簡(jiǎn)單、易實(shí)現(xiàn)的特點(diǎn)，同時(shí)克服了人工魚漫無目的隨機(jī)游動(dòng)或在非全局極值點(diǎn)大量聚集的局限性，顯著提高了運(yùn)行效率和求解質(zhì)量，為解決復(fù)雜尋優(yōu)問題提供了有效方法。通過函數(shù)和實(shí)例測(cè)試驗(yàn)證，表明該算法是可行和有效的。2針對(duì)AFSA在多峰問題尋優(yōu)時(shí)難以找到全部最優(yōu)解及精度不高的問題，提出了一種基于生境人工魚群算法的多峰問題優(yōu)化算法。該算法融合了模擬退火、小生境技術(shù)的思想，并加入了變異算子和自動(dòng)生成合適小生境半徑機(jī)制。通過對(duì)幾種典型多峰函數(shù)的測(cè)試，表明該算法不僅能有效、精確找出多峰問題的全局和局部所有最優(yōu)解，而且無需預(yù)先設(shè)置小生境半徑，實(shí)現(xiàn)了真正的自適應(yīng)搜索，較好地解決了復(fù)雜多峰優(yōu)化問題。3針對(duì)連續(xù)屬性樣本分類挖掘時(shí)需離散化預(yù)處理，可能導(dǎo)致原始信息的缺失問題，提出了基于人工魚群算法的分類規(guī)則挖掘算法，給出了適用于AFSA的分類規(guī)則編碼方案、構(gòu)造了新的準(zhǔn)確提取規(guī)則集的分類規(guī)則適應(yīng)值函數(shù)。該算法從優(yōu)化的角度來解決分類問題，自動(dòng)實(shí)現(xiàn)連續(xù)屬性樣本分類規(guī)則的挖掘，從而為連續(xù)屬性樣本提供了一個(gè)不需要離散化處理而直接進(jìn)行數(shù)據(jù)挖掘的新方法。實(shí)驗(yàn)結(jié)果表明，該算法不僅能夠挖掘出簡(jiǎn)潔、易于理解的規(guī)則集，而且具有較強(qiáng)的魯棒性和較高的準(zhǔn)確率，是一種可行和有效的分類規(guī)則優(yōu)化算法。4針對(duì)神經(jīng)網(wǎng)絡(luò)需要依靠經(jīng)驗(yàn)確定網(wǎng)絡(luò)結(jié)構(gòu)及其優(yōu)化問題，設(shè)計(jì)了一種基于人工魚群算法的網(wǎng)絡(luò)分類器。該方法把輸入屬性選取和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)結(jié)合，通過人工魚群算法尋優(yōu)，同時(shí)實(shí)現(xiàn)了輸入屬性選擇、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的優(yōu)化。實(shí)驗(yàn)表明，該算法能夠獲得一個(gè)具有性能可靠、較好泛化能力的簡(jiǎn)單分類器，避免了一般神經(jīng)網(wǎng)絡(luò)依靠經(jīng)驗(yàn)確定網(wǎng)絡(luò)結(jié)構(gòu)的困難，拓寬了AFSA的應(yīng)用領(lǐng)域。5在對(duì)AFSA研究和改進(jìn)的基礎(chǔ)上，結(jié)合國家863項(xiàng)目“太陽能生物制氫技術(shù)研究”，在部分實(shí)驗(yàn)所獲得的樣本數(shù)據(jù)基礎(chǔ)上，引入全局尋優(yōu)人工魚群優(yōu)化算法，通過AFSA優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，獲得影響生物制氫的最相關(guān)因素，建立了基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的光合細(xì)菌制氫過程模型；再用AFSA對(duì)已確定的主要工藝條件進(jìn)行優(yōu)化，獲得了最大制氫量的最佳工藝條件。實(shí)驗(yàn)結(jié)果表明所提出的優(yōu)化計(jì)算方案可行，此項(xiàng)研究為太陽能光合細(xì)菌制氫工藝技術(shù)優(yōu)化探索了一條新的途徑。本論文是在國家“十五”863計(jì)劃項(xiàng)目“太陽能生物制氫技術(shù)研究”編號(hào)2004AA515010和國家自然科學(xué)基金項(xiàng)目“光合生物制氫體系的熱效應(yīng)及其產(chǎn)氫機(jī)理研究”編號(hào)50676029資助下開展的科學(xué)研究。

簡(jiǎn)介：點(diǎn)擊查看更多基于模糊邏輯與人工情感的智能控制策略研究.pdf精彩內(nèi)容。

簡(jiǎn)介：游戲中智能的設(shè)計(jì)與構(gòu)建一直是人工智能研究中的熱門領(lǐng)域。游戲中，人工智能不僅要模仿人的智能，還需要擁有達(dá)到設(shè)計(jì)者為了滿足玩家需求所設(shè)定的目的的能力。通過對(duì)游戲信息的收集、積累和歸納，智能體憑借獲得的經(jīng)驗(yàn)對(duì)游戲的狀態(tài)有了一定的預(yù)見性，并由此做出合理的反應(yīng)。早期的人工智能運(yùn)行在固定的環(huán)境下，作為一個(gè)成熟的人工智能，依靠設(shè)計(jì)者的知識(shí)和經(jīng)驗(yàn)生存在對(duì)應(yīng)的環(huán)境中。智能體在決策時(shí)獲得所有的可操作行為以及對(duì)應(yīng)產(chǎn)生的結(jié)果，由此依據(jù)當(dāng)前的情況建立局部或全局決策樹。常用的方法有最小最大算法、A算法、有限狀態(tài)機(jī)等。此類智能體的局限在于必須依靠設(shè)計(jì)者的經(jīng)驗(yàn)以及不允許環(huán)境發(fā)生變化。換言之，設(shè)計(jì)者必須考慮所有可能的情況，否則當(dāng)環(huán)境變化超出原有預(yù)先的設(shè)計(jì)時(shí)，智能體則無法做出正確的行為。通用游戲策略旨在開發(fā)一種沒有游戲經(jīng)驗(yàn)支撐下能夠精通各類游戲的人工智能。在僅獲得游戲規(guī)則的情況下，依靠智能體的學(xué)習(xí)能力實(shí)現(xiàn)經(jīng)驗(yàn)的累積過程。這對(duì)于人工智能的實(shí)現(xiàn)有非常大的意義。本文的主要提出一種適合于通用游戲策略環(huán)境下人工智能的設(shè)計(jì)方法。采用時(shí)序差分學(xué)習(xí)算法解決了游戲經(jīng)驗(yàn)積累的問題；通過對(duì)游戲過程中的狀態(tài)進(jìn)行篩選和抽象，提高智能體的決策效率。并實(shí)現(xiàn)了對(duì)棋類游戲TICTACTOE中的人工智能設(shè)計(jì)。其次，利用蒙特卡洛抽樣方法實(shí)現(xiàn)棋牌類游戲中非完備信息向完備信息的轉(zhuǎn)化，從而適用于通用游戲策略。并運(yùn)用在融合了棋類與牌類規(guī)則的CARDTTT游戲中，使智能體在包含了非完備信息的環(huán)境中依然可以進(jìn)行學(xué)習(xí)和游戲。由此證明了該方法的實(shí)際應(yīng)用價(jià)值。最后，將設(shè)計(jì)的人工智能參與四種不同的游戲。通過游戲的比賽結(jié)果，說明采用本文的設(shè)計(jì)方法不但能夠降低人工智能設(shè)計(jì)者的要求，而且還能令智能體的游戲能力達(dá)到與人類玩家不相上下的程度。